基于相关向量机的煤自燃预测方法
刘宝1
穆坤1
叶飞1
汪帆1
王静婷2
1.西安科技大学电气与控制工程学院,陕西西安 7100542.西安翻译学院工程技术学院,陕西西安 710105
摘要：在煤自燃程度预测方面,基于径向基(RBF)神经网络的方法结构复杂、易陷入局部最优,基于支持向量机(SVM)方法的核函数受Mercer条件限制而对参数敏感,传统的机器学习方法误差较大.针对上述问题,提出了一种基于相关向量机(RVM)的煤自燃预测方法.以易发生煤自燃现象的亭南煤矿为例,模拟煤样自燃升温过程并采集气体浓度与煤自燃温度数据,建立训练样本和测试样本;由训练样本构建RVM模型,得到模型的最优参数;将测试样本代入已训练的RVM模型中,预测煤自燃温度值.与基于RBF神经网络和SVM的煤自燃预测方法进行比较,结果表明,基于RBF神经网络和SVM的煤自燃预测方法训练误差较小,但测试误差较大,说明这2种方法存在过拟合现象,泛化能力差;基于RVM的煤自燃预测方法的训练误差与测试误差比较接近且预测精度最高.
关键词：煤自燃气体浓度煤自燃温度相关向量机RVM
分类号：TD712.5(矿山安全与劳动保护)
资助基金：国家自然科学基金(61703329)中国博士后科学基金(2018M633538)西安市科技计划(2020KJRC0068)教育厅科学研究项目(18JK1005)陕西省教育科学十三五规划课题(SGH18H159)陕西省重点研发计划项目(2019GY-097)陕西省重点产业链项目(2019ZDLGY15-04-02)
论文发表日期：2020-09-10
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 104-108 )
英文信息